Relacyjne rozmyte mapy kognitywne w modelowaniu złożonych systemów (Relational fuzzy cognitive maps in complex systems modeling)

Słoń, Grzegorz (2013) Relacyjne rozmyte mapy kognitywne w modelowaniu złożonych systemów (Relational fuzzy cognitive maps in complex systems modeling). Monografie, Studia, Rozprawy (M56). Wydawnictwo Politechniki Świętokrzyskiej, Kielce.

Preview

Tekst M56_Slon_Relacyjne.pdf Download (12MB) | Preview

Streszczenie

W monografii przedstawiono rozważania i wyniki badań nad nową metodą inteligentnego modelowania systemów charakteryzujących się niepewnością i nieprecyzyjnością informacji. Systemy takie trudno modelować w klasyczny sposób z powodu niedostatku danych o ich strukturze i zachowaniu, trzeba więc stosować podejścia, które te niedostatki skompensują. Należy do nich m.in. podejście wykorzystujące model tzw. rozmytej mapy kognitywnej, gdzie system rozpatruje się jako graf zorientowany, którego węzłami są kluczowe, wybrane przez eksperta parametry (zwane czynnikami), a łuki odwzorowują powiązania przyczynowo-skutkowe pomiędzy tymi wielkościami. Dodatkowo nieprecyzyjność danych uwzględnia się, przedstawiając wartości poszczególnych wielkości przy użyciu zbiorów rozmytych. Podejście to cechuje szereg niedogodności związanych głównie z procesami uczenia, do którego konieczne jest odejście od rozmytego opisu zarówno samych czynników, jak i powiązań pomiędzy nimi, co z kolei poddaje w wątpliwość sens wcześniejszego rozmywania danych. W monografii przedstawiono dwa alternatywne sposoby pokonania tych trudności. Pierwszy, z wykorzystaniem tzw. relacyjnej mapy kognitywnej, polega na całkowitym odejściu od rozmywania na rzecz posługiwania się wyłącznie liczbowymi wartościami czynników i powiązań pomiędzy nimi (zwanych tu relacjami). Drugi, główny, zaproponowany w monografii sposób modelowania, oparty na tzw. relacyjnej rozmytej mapie kognitywnej, stanowi rozwinięcie tego podejścia o rozmywanie parametrów. W nowym modelu wartości czynników przedstawia się za pomocą liczb rozmytych, a powiązania pomiędzy nimi – przy użyciu relacji rozmytych. Takie potraktowanie problemu pozwala na zachowanie rozmycia parametrów na każdym etapie projektowania i eksploatacji modelu, wyzwalając jednakże szereg, nierozwiązanych wcześniej, problemów związanych z metodami rozmywania, projektowaniem kształtów relacji, normalizacją przetwarzanych wartości, wykorzystaniem arytmetyki liczb rozmytych oraz uczeniem tak zdefiniowanego modelu. W monografii przedstawiono rozwiązania tych problemów oraz przykłady ilustrujące praktyczne działanie opracowanego podejścia. (The monograph presents the considerations and results of the research into new method of modeling intelligent systems characterized by uncertainty and imprecision of the information. Such systems are difficult to classical modeling due to a lack of information about their structure and behavior, thus it is needed using an approach that can compensate these weaknesses. These include, among others, an approach using the model of so-called fuzzy cognitive map, where the system is considered as a directed graph, nodes of which are crucial, selected by an expert, parameters (called concepts), and arcs reproduce causal relationships between these quantities. In addition, imprecision of the data is taken into account by presenting the individual values using fuzzy sets. This approach has a number of disadvantages associated primarily with the processes of learning to which it is necessary to move away from the fuzzy description of concepts as well as connections between them, which in turn calls into question the meaning of prior fuzzyfication of the data. The monograph presents two alternative ways to overcome these difficulties. The first, with the use of the so-called relational cognitive maps, depends on a complete departure from fuzzifyication to the use of only numerical values of the concepts and the connections between them (called here relations). The second and main, proposed in the monograph modeling method, based on so-called relational fuzzy cognitive map, is a development of this approach by fuzzyfying parameters. In the new model, the concepts are presented with the use of fuzzy numbers, and the connections between them - using fuzzy relations. Such a treatment of the problem allows to keep the fuzzy parameters at every stage of the design and operation of the model, however, it triggers a number, not solved earlier, problems connected with methods of fuzzyfication, designing shapes of relations, normalization of processed values, using fuzzy arithmetic and learning such defined model. The monograph presents solutions to these problems and examples illustrating practical action of developed approach.)

Biblioteka Cyfrowa

Podgląd